論文筆記-損失函數之SSIM

損失函數用來鼓勵和抑制某些行爲。 在深度學習中，如果是分類問題，則可以用交叉熵，softmax,SVM等損失函數。如果是迴歸問題，則代價函數普遍採用L2，或者L1。 由於L2（即用真值和預測值的歐氏距離）是一個非凸形式且可導。。但L2的使用前提是噪聲高斯分佈的。它抑制大的誤差，但對小的誤差卻很能容忍。比如L2能很好地復現邊緣，但卻無法很好地消除那些小的噪聲。 最重要的，L2和人類的視覺系統（hum

>>阅读原文<<